nûçe

Xelata Lêkolînên Bijîşkî yên Bingehîn a Lasker a îsal ji bo beşdariyên wan di afirandina pergala zekaya sûnî ya AlphaFold de ku avahiya sê-alî ya proteînan li gorî rêza yekem a asîdên amînî pêşbînî dike, hate dayîn.

Encamên wan pirsgirêkek çareser dikin ku demek dirêj e civaka zanistî aciz dike û deriyê lezandina lêkolînê li seranserê qada biyopizîşkî vedikin. Proteîn di pêşveçûna nexweşiyan de roleke girîng dilîzin: di nexweşiya Alzheimer de, ew li hev diqelişin û kom dibin; Di penceşêrê de, fonksiyona wan a rêkûpêk winda dibe; Di nexweşiyên metabolîk ên jidayikbûnê de, ew nefonksiyonel in; Di fîbroza kîstîk de, ew diçin nav cîhê xelet di hucreyê de. Ev tenê çend ji gelek mekanîzmayên ku dibin sedema nexweşiyê ne. Modelên avahiya proteînê yên bi hûrgilî dikarin mîhengên atomî peyda bikin, sêwirandin an hilbijartina molekulên bi girêdana bilind rêve bibin, û kifşkirina dermanan bilezînin.

Avahiyên proteînan bi gelemperî bi krîstalografiya tîrêjên X, rezonansa manyetîk a navokî û mîkroskopiya krîo-elektronî têne destnîşankirin. Ev rêbaz biha û demdirêj in. Ev dibe sedema daneyên avahiya proteîna 3D yên heyî ku tenê bi qasî 200,000 daneyên avahîsaziyê hene, di heman demê de teknolojiya rêzkirina DNA-yê zêdetirî 8 mîlyon rêzikên proteînan hilberandiye. Di salên 1960-an de, Anfinsen û hevkarên wî kifş kirin ku rêza 1D ya asîdên amînî dikare bi awayekî xweber û dubarekirî bikeve nav konformasyonek sê-alî ya fonksiyonel (Wêne 1A), û ku "şaperonên" molekulî dikarin vê pêvajoyê bilezînin û hêsan bikin. Ev çavdêrî dibin sedema pirsgirêkek 60-salî di biyolojiya molekulî de: pêşbînîkirina avahiya 3D ya proteînan ji rêza 1D ya asîdên amînî. Bi serkeftina Projeya Genomê Mirovan re, şiyana me ya bidestxistina rêzikên asîdên amînî yên 1D pir baştir bûye, û ev pirsgirêk hîn bêtir lezgîn bûye.

Pêşbînîkirina avahiyên proteînê ji ber çend sedeman dijwar e. Ya yekem, hemî pozîsyonên sê-alî yên gengaz ên her atomek di her asîda amînî de gelek lêkolînê hewce dikin. Ya duyemîn, proteîn di avahiya xwe ya kîmyewî de ji temamkeriyê herî zêde sûd werdigirin da ku atoman bi bandor mîheng bikin. Ji ber ku proteîn bi gelemperî bi sedan "bexş"ên girêdana hîdrojenê hene (bi gelemperî oksîjen) ku divê nêzîkî "qebûlker"ê girêdana hîdrojenê bin (bi gelemperî nîtrojen bi hîdrojenê ve girêdayî), dikare pir dijwar be ku meriv konformasyonan bibîne ku hema hema her bexşker nêzîkî qebûlker be. Ya sêyemîn, mînakên sînorkirî ji bo perwerdekirina rêbazên ceribandinê hene, ji ber vê yekê pêdivî ye ku têkiliyên potansiyel ên sê-alî di navbera asîdên amînî de li ser bingeha rêzikên 1D bi karanîna agahdariya li ser pêşkeftina proteînên têkildar werin fêm kirin.

Fîzîk cara yekem ji bo modelkirina têkiliya atoman di lêgerîna ji bo çêtirîn konformasyonê de hate bikar anîn, û rêbazek ji bo pêşbînîkirina avahiya proteînan hate pêşxistin. Karplus, Levitt û Warshel ji bo xebata xwe ya li ser simulasyona hesabkerî ya proteînan Xelata Nobelê ya Kîmyayê ya 2013-an wergirtin. Lêbelê, rêbazên li ser bingeha fîzîkê ji hêla hesabkirinê ve biha ne û pêvajoyek texmînî hewce dikin, ji ber vê yekê avahiyên sê-alî yên rast nayên pêşbînîkirin. Nêzîkatiyek din a "li ser bingeha zanînê" ew e ku databasên avahî û rêzikên naskirî bikar bînin da ku modelan bi rêya zekaya sûnî û fêrbûna makîneyê (AI-ML) perwerde bikin. Hassabis û Jumper hêmanên hem fîzîkê û hem jî AI-ML bikar tînin, lê nûjenî û gavavêtina di performansa nêzîkatiyê de bi giranî ji AI-ML tê. Her du lêkolîneran bi afirînerî databasên giştî yên mezin bi çavkaniyên hesabkirina asta pîşesaziyê re kirin yek da ku AlphaFold biafirînin.

Em çawa dizanin ku wan puzzle-a pêşbîniya avahîsaziyê "çareser kiriye"? Di sala 1994an de, pêşbirka Nirxandina Rexneyî ya Pêşbîniya Avahiyê (CASP) hate damezrandin, ku her du salan carekê dicive da ku pêşveçûna pêşbîniya avahîsaziyê bişopîne. Lêkolîner dê rêza 1D ya proteîna ku wan avahiya wê vê dawiyê çareser kiriye, lê encamên wê hîn nehatine weşandin, parve bikin. Pêşbînîker avahiya sê-alî bi karanîna vê rêza 1D pêşbîn dike, û nirxander bi serbixwe kalîteya encamên pêşbînîkirî bi berhevdana wan bi avahiya sê-alî ya ku ji hêla ceribandinvan ve hatî peyda kirin (tenê ji nirxander re hatî peyda kirin) dinirxîne. CASP nirxandinên kor ên rastîn pêk tîne û guheztinên performansê yên periyodîk ên bi nûbûna metodolojîk ve girêdayî tomar dike. Di Konferansa 14-an a CASP-ê de di sala 2020-an de, encamên pêşbîniya AlphaFold-ê di performansê de guheztinek wusa nîşan dan ku organîzatoran ragihandin ku pirsgirêka pêşbîniya avahiya 3D hatiye çareser kirin: rastbûna piraniya pêşbîniyan nêzîkî pîvandinên ceribandinê bû.

Girîngiya berfirehtir ew e ku xebata Hassabis û Jumper bi awayekî bawerbar nîşan dide ka AI-ML çawa dikare zanistê biguherîne. Lêkolîna wê nîşan dide ku AI-ML dikare ji gelek çavkaniyên daneyan hîpotezên zanistî yên tevlihev ava bike, ku mekanîzmayên baldariyê (mîna yên di ChatGPT de) dikarin girêdayîbûn û têkiliyên sereke di çavkaniyên daneyan de kifş bikin, û ku AI-ML dikare bi xwe kalîteya encamên xwe yên deranê binirxîne. AI-ML di bingeh de zanistê dike.